$ loading_
抓取网页并用语义检索返回最相关内容片段，支持 PDF 与多语言。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-server-fetch-rag" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
抓取这个网页内容，并围绕“退款政策”返回最相关的片段，按相关性排序。
返回与退款政策最相关的网页片段，便于快速阅读和引用。
读取这个 PDF，并根据问题“实验方法有哪些限制？”提取最相关的内容段落。
返回 PDF 中与问题最相关的段落片段，减少手动翻找时间。
抓取该西班牙语网页，并用中文问题“主要结论是什么？”返回最相关内容。
返回与中文问题匹配的关键片段，适合跨语言信息获取。
研究员在阅读网页或 PDF 资料时，可用它按问题抓取并筛出最相关片段，减少通读全文的时间。它适合先做定向检索，再进入精读。
开发者可以把它作为外部内容获取层，从网页中提取语义分块后的相关文本，供大模型问答或摘要流程使用。这样能减少无关上下文输入。
当团队需要查询不同语言的网页或 PDF 时，它可帮助统一抓取并按查询返回相关内容。适合跨语言资料收集与初步筛选。
它用于抓取网页内容，并通过 RAG、语义分块、基于查询的评分和 LexRank 返回最相关的内容片段。描述中还说明它支持 PDF 和 50 多种语言。
根据给定描述，它可以处理网页内容，并支持 PDF。除此之外的文件类型未在素材中说明。
当前素材没有提供安装步骤、运行时要求或密钥前置条件。具体信息见源码仓库。
抓取网页并提取为 Markdown，支持分段读取长页面内容
为 PDF 文档提供语义检索与问答能力，帮助快速提取关键信息。
抓取网页并转为 Markdown，便于提问、摘要和提取关键信息。
帮助抓取网站内容、构建向量知识库并进行语义检索问答。
支持多格式抓取网页内容，并提供智能提取、分块与浏览器自动化能力
通过 MCP 实现文档索引与关键词、向量检索，快速搭建 RAG 能力。